全部产品

决策树

本文为您介绍算法组件的决策树算法组件。

决策树(Decision Tree)是利用树模型进行分类的算法模型。

计算逻辑原理

使用DecisionTreeClassifier算法进行建模。

使用流程说明

参数说明

IN端口

算法参数

参数名

描述

默认值

范围

特征分裂指标

衡量分割质量的功能

基尼系数

  • 基尼系数

  • 信息熵

特征切分策略

用于在每个节点上选择拆分的策略。

  • 最佳:选择最佳拆分。

  • 随机:选择随机拆分。

最佳

  • 最佳

  • 随机

最大深度

各个回归估计量的最大深度。最大深度限制了树中节点的数量。

-1

[-1, 99999999]

最小分割样本下限

拆分内部节点所需的最少样本数

2

[0, 99999999]

节点最少样本数

少于该数据不会分支

1

[1, 99999999]

节点最小权重系数

在所有叶节点处(所有输入样本)的权重总和中的最小加权分数

0.0

[0, 99999999]

其他参数

参数名

描述

模型结果

查看建模成功后的模型评价结果